城市快速路交通需求预测研究外文翻译资料

城市快速路交通需求预测研究

原文作者：Hiroshi MATSUI 名城大学理工学部

摘要：本文介绍了几年来关于城市高速公路交通需求估计的一些研究论文的总结。

关键词：路径分析；链路代价函数；高速转换率

1.名古屋都市圈运输需求的路径分析模型

1-1简介

名古屋高速公路于1974年开始建设，迄今为止计划扩建的81.2公里已经开发69.2公里，平均每天使用的交通量已达到约27万辆/天，现在它在名古屋大都会地区扮演着重要的骨干网络的角色。在另一方面，通过近几年的社会条件，一直受到质疑的高速公路收费系统的方式，明确未来的交通量和汇率制度的盈利能力相关性之间的关系，或者是重要的因此，有必要设置基地成为需求函数的名古屋都市圈在预测理性和科学高速道路上使用未来的交通量。然后在表1所示的三个指标，被视为使用次数和每次维修扩展与名古屋都会区的交通需求函数的相关性最高的名古屋都市圈的交通量，研究如何准确地预测这。

1-2分析方法

在这项研究中，“名古屋城域网的交通”，如因变量（因变量），lsquo;爱知县人口rsquo;作为人口指数，lsquo;爱知县总产值rsquo;作为经济指标，路径分析分析使用“爱知县车辆拥有量”作为解释变量进行。路径分析是一种统计分析方法，其中基于协方差矩阵和相关矩阵推断因果关系，假设变量之间存在某些因果关系。路径分析的优势在于，在多元回归分析中，假设从每个解释变量到目标变量只有单向因果关系，另一方面，在路径分析中，可以通过假设变量之间的因果关系来建立模型。 它也可以应用于假设变量之间的因果关系以及假定有多个目标变量的情况下，这不能用多元回归模型来解释。

表 1

1-3分析结果

需求函数与名古屋都市圈交通量作为目标变量的多元回归分析结果如下。

y = -1.24times;1 1.31times;2 7.15times;3 8585000 ......（1）

y：名古屋都市圈内部交通量（单位/日）

x1：爱知县人口（人）

times;2：爱知县汽车保有量（台）

times;3：爱知县的总产量（台）

这里的名古屋都市圈交通量的需求函数导致决定系数为0.9988，被认为是高度准确的需求函数。 这个结果显示在图1的路径图中。 图中的数字表示回归显示系数。 另外，e1和e2表示错误变量。 接下来，路径分析模型的结果如图2所示。

图 1

图 2

图中正方形右上角的数值表示确定系数。 箭头的数值是标准亿日元。

名古屋大都会地区使用交通量回归系数。 路径分析使用协方差结构分析进行分析，并使用SPSS Amos计算程序。 在路径分析中，它是建模“因果模型”的数学公式，即数据生成机制，路径分析中的针织回归系数表示其因果影响，也称为“通过系数”。

通过标准化图1中箭头的回归系数，图2中的路径分析结果是独一无二的。 因此，在多元回归分析的结果中，爱知县的汽车拥有量在那里被认为是名古屋都市圈内交通量影响最大的因素，包括直接和间接影响爱知县人口是路径分析的结果，

0.99times;0.94 0.96times;0.44-0.37 = 0.98

其次，很显然，爱知县的人口是最主要的因素。

1-4预测未来需求流量

根据以上的分析结果，代替爱知县未来人口，爱知县总产值，爱知县汽车保有量，估计未来需求交通（名古屋都市地区交通量）。 爱知县人口的预测值是根据社会保障人口研究所的预测来估计的，爱知县的总产值是根据爱知县内阁府公布的GDP增长率估算的 汽车所有权数被计算为“爱知县生产年龄人口”times;“爱知县汽车保有率”。

爱知县人口，爱知县汽车保有量和爱知县总产值的未来趋势如表2所示。 在2007年度的边界，爱知县人口趋于下降，可以说爱知县的汽车保有量也趋向于从2010年开始下降。 在爱知县的总产值中，一直处于上升趋势，但在20财年和21财年，由于全球经济衰退而大幅下降，但可以说趋势在此之后逐渐增加。

表 2

古屋大都市地区交通量预测值见相同表2的右栏。 根据这一结果，在2002年度，预计该比例将增至113.8。

2.使用链路代价函数高精度预测交通需求

2-1选择原因

交通需求预测对于城市交通规划来说是必不可少的，并且要求高度准确。 尽管在进行业务量分配时通过使用适当的链路成本函数可以高精度地执行未来的业务需求预测，但是传统的链路成本函数忽略了拥塞区域中的数据 因为有很多东西不应该存在，所以估计的交通量和测量值相差很远的结果并不多。

因此，在本研究中，我们从理论上考虑交通拥堵，实际上通过使用容量受限的链路代价函数的参数值进行分配，使用链路代价函数集进行分配而不考虑传统的交通拥塞 与结果进行比较。

2-2链路代价函数

链路代价函数是表示构成网络的单独链路上的交通量和单位行驶时间的函数。 在这项研究中，我们使用由以下等式给出的BPR型链路代价函数。

T：单位行驶时间（分钟/公里）

T 0：自由行驶时间

q：链路上的时间交通量（pcu /小时）

c：链路上的时间通信量（pcu /小时）

alpha;，beta;：参数值。

在这项研究中，我们使用了1999年道路交通普查并为每种类型的道路设定。道路类型，道路交通普查的调查对象行是一个普通县道以上的道路，包括主要城市和特定城市的省份，公路（1）国土开发干线高速公路等（城际高速路），（2）城市快速路道路，（3）一般国道，（4）主要区域道路（县道），（5）主要区域道路（指定城市道路），（6）一般县道，（7）指定市内的一般城市道路。

然而，道路交通普查的道路类型主要是由于道路管理者，很难认为它是从功能方面进行分类。因此，根据功能方面和道路标准等，将类别改为以下六种类型。关于公路分为两类：①城际高速公路，②城市高速公路，一般关于道路，（1）主干道2条主干道，（2）多车道主干道，（3）2条主干道，（4）准干线高速公路，并进行设置。

从1999年道路交通普查的数据来看，旅行速度（旅行时间）来自被认为受到影响的数据。 在普通道路上，使用爱知县城市化地区的数据。 城市化面积应为城市化道路延伸普查延长除以断面延伸所得值为0.5或以上的面积。 影响单位行程时间（分钟/公里）的因素包括拥堵程度（交通量/交通量），信号交叉口密度（信号交叉口数/间隔延长），指定最大速度（km / h）， DID（人口集中区）率（％），在高速公路上，我们考虑了人群拥挤程度，指定最高车速和车道数。

1）拥塞度的计算

拥塞度由以下公式计算。

拥塞度=交通量/交通容量・・・(3)

2）计算信号相交密度

信号交叉密度由以下等式计算。

信号交叉密度=信号交叉点数/区间延长（个数/km）・・・(4)

3）计算DID率

通过以下公式计算DID（人口集中区域）。

DID率=DID区间延长/区间延长・・・(5)

对非拥塞区域的单位行进时间和上述得到的解释变量进行多元回归分析，并且使用表达式（1）的非拥塞区域的数据值，通过以下公式计算alpha;和beta;的值。

T =alpha;0 alpha;1times;1 alpha;2times;2 ... alpha;（q / c）beta;

= T 0 alpha;（q / c）beta;

= T 0 {1 alpha;（q / c）beta;}（6）

要设置的参数值有两种，alpha;和beta;。 alpha;是表示拥挤度1处的单位行驶时间是单位自由行驶时间t 0的（1 alpha;）倍的参数值，beta;是表示该函数的曲率的参数值。 对于BP来说，由于BPR类型的链接代价函数是非线性的，因此通过将拥塞程度的回归系数从0.5增加到10.0以0.1为增量进行多元回归分析，其中多元相关系数R中的最高值 设值为beta;。 alpha;是通过将拥塞率的部分回归系数除以T 0而获得的值。

在现有的链路成本函数的设定中，由于不考虑拥堵区域的数据，所以通过多重回归分析得到的链路成本函数使用稍微倾斜（即，小的beta;），与实测数据的偏差 被观察到。 实际交通状况是拥挤区域内的一种非常动态的现象，难以直接从测量数据中获取运行时间作为特定时间段内的平均值，因此我们从理论上考虑了设置方法。

假设剩余流量=流入流量 - 流出流量可以表示，平均拥塞延迟时间来自下面给出的假设。

假设1：时区宽度（T）gt;最长旅程时间

假设2：每个OD流量在时区内均匀发生，每个链路的流入流量均匀流入时区。

假设3：由于拥塞而产生的矩阵来自每个集合链路在行进方向上的终止，但忽略了假设拥塞矩阵没有明确长度的影响。

平均拥塞延迟时间Tomega;

Tomega;a =( X

剩余内容已隐藏，支付完成后下载完整资料

英语原文共 6 页，剩余内容已隐藏，支付完成后下载完整资料

资料编号：[279524]，资料为PDF文档或Word文档，PDF文档可免费转换为Word